¿Qué incluye?
8
16
8
128
Contenidos
Este módulo inicial está diseñado para sentar las bases técnicas necesarias para trabajar con Python -el lenguaje de programación de refencia- en el contexto de la Inteligencia Artificial. A lo largo de este módulo, los estudiantes adquirirán conocimientos clave en programación y manejo de datos, elementos fundamentales para abordar proyectos basados en IA, pero evitando conceptos complicados que requiran de habilidades de programación demasiado avanzadas.
1.1Entornos de desarrollo y despliegue
2 horas
1.2Conceptos básicos de programación
6 horas
1.3Manipulación de datos con Pandas
6 horas
1.4Análisis de datos
4 horas
Este módulo ofrece una visión integral de la evolución de la Inteligencia Artificial (IA), explorando sus principales enfoques y tecnologías. Se abordan los hitos históricos clave, las bases de la IA simbólica y subsimbólica, y se introduce el aprendizaje automático (Machine Learning) como pilar fundamental del desarrollo actual. Además, se examina el impacto y las posibilidades de los modelos generativos avanzados, como los Grandes Modelos del Lenguaje (LLMs), proporcionando un marco conceptual para comprender cómo estas tecnologías están transformando el panorama empresarial y social.
2.1Revisión Histórica
2 horas
2.2Inteligencia Artificial Simbólica
2 horas
2.3Inteligencia Artificial Subsimbólica - Machine Learning
2 horas
2.4IA Generativa: Grandes Modelos del Lenguaje (LLMs)
2 horas
Este módulo proporciona una comprensión práctica y conceptual del aprendizaje automático, abordando los principales enfoques y técnicas para resolver problemas basados en datos. Los participantes aprenderán a procesar y preparar datos, desarrollar modelos predictivos utilizando Scikit-Learn, evaluar su rendimiento mediante métricas adecuadas y optimizarlos para mejorar su eficacia. Además, se explorarán métodos de aprendizaje supervisado, no supervisado y por refuerzo, ofreciendo una perspectiva integral sobre cómo aplicar estas técnicas a diversos retos empresariales y tecnológicos.
3.1Aprendizaje no supervisado
2 horas
3.2Aprendizaje supervisado
8 horas
3.3Preproocesamiento de los datos
4 horas
3.4Desarrollo de modelos con Scikit-Learn
4 horas
3.5Métricas de evaluación
4 horas
3.6Optimización de los modelos
2 horas
3.7Aprendizaje por refuerzo
4 horas
En este módulo, los participantes se sumergirán en el aprendizaje profundo, explorando las redes neuronales profundas y su capacidad para resolver problemas complejos. Se trabajará con frameworks líderes como PyTorch, TensorFlow y Keras, aprendiendo a desarrollar modelos avanzados adaptados a distintos tipos de datos, incluyendo imágenes, series temporales y datos tabulares. A través de aplicaciones prácticas, se explorarán técnicas innovadoras como las redes neuronales convolucionales para visión artificial, proporcionando las herramientas necesarias para abordar desafíos reales en diversos dominios.
4.1Fundamentos de las Redes Neuronales Profundas
6 horas
4.2Frameworks de desarrollo: Pytorch, TensorFlow y Keras
2 horas
4.3Desarrollo de modelos con Pytorch
4 horas
4.4Visión Artificial - Redes Neuronales Convolucionales
4 horas
4.5Predicción de series temporales
4 horas
4.6Modelos avanzados para datos tabulares
4 horas
Este módulo aborda los principios y aplicaciones de la inteligencia artificial generativa, una de las áreas más innovadoras de la tecnología actual. Los participantes explorarán los fundamentos de los modelos generativos, con especial énfasis en los Grandes Modelos de Lenguaje (LLMs) utilizados por aplicaciones como ChatGPT o Gemini, y aprenderán cómo integrarlos de manera efectiva en soluciones corporativas. A través de ejemplos prácticos, se analizarán las posibilidades y limitaciones de estas tecnologías para generar o resumir texto, crear chatbots, crear imágenes o videos, convertir texto a audio, ... proporcionando una perspectiva crítica para su implementación estratégica en diferentes contextos.
5.1Introducción
4 horas
5.2Fundamentos y modelos
6 horas
5.3Uso e integración de LLMs en aplicaciones corporativas.
10 horas
En este módulo, los participantes explorarán la importancia de la interpretabilidad en los sistemas de inteligencia artificial, un aspecto clave para garantizar la confianza, la transparencia y el cumplimiento normativo en su aplicación. Se presentarán técnicas de explicabilidad que permiten comprender el funcionamiento interno de los modelos de IA y cómo sus decisiones afectan a los resultados. Este enfoque crítico y práctico ayudará a los participantes a implementar soluciones más éticas, responsables y alineadas con los objetivos organizacionales y sociales.
6.1Necesidades de interpretabilidad de la IA
4 horas
6.2Técnicas de explicabilidad
4 horas
Este módulo aborda los aspectos fundamentales relacionados con el uso responsable de la Inteligencia Artificial. Se exploran los principios éticos que la IA pone en juego, como la privacidad, la equidad y la transparencia, y se analizan las implicaciones de estas tecnologías en la toma de decisiones y en la sociedad. Además, se revisan las principales consideraciones legales y el marco legislativo internacional que regula el desarrollo y la implementación de la IA, brindando a los participantes una comprensión crítica de los desafíos normativos, las regulaciones existentes y las futuras tendencias en la legislación sobre inteligencia artificial.
7.1Principios éticos afectados por la Inteligencia Artificial
6 horas
7.2Consideraciones legales y marco legislativo internacional.
4 horas
En este módulo final, los estudiantes tendrán la oportunidad de aplicar todo lo aprendido a un proyecto real de su elección, ya sea de forma individual o grupal, según sus necesidades e intereses. Este proyecto les permitirá integrar los conocimientos adquiridos sobre las posibilidades de la Inteligencia Artificial, sus aplicaciones en diferentes contextos empresariales e institucionales, y las consideraciones éticas y legales que deben tener en cuenta al proponer soluciones basadas en IA. Durante el desarrollo del proyecto, los estudiantes serán guiados por un tutor para la evaluación de viabilidad, selección de tecnologías adecuadas y creación de una solucción innovadora que será presentada en la sesión final del curso.
Tutorización y desarrollo de proyecto final
12 horas
